(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210829001.1 (22)申请日 2022.07.15 (65)同一申请的已公布的文献号 申请公布号 CN 115100439 A (43)申请公布日 2022.09.23 (73)专利权人 广东瑞恩科技有限公司 地址 523000 广东省东莞 市体育路5号健升 大厦1502室 (72)发明人 吴成福　徐伟　吴成锐　李银凤　 陈涌发　 (74)专利代理 机构 北京智行 阳光知识产权代理 事务所(普通 合伙) 11738 专利代理师 朱兴明 (51)Int.Cl. G06V 10/74(2022.01) G06T 7/13(2017.01) G06T 7/136(2017.01)G06T 7/40(2017.01) G06T 7/90(2017.01) G06V 10/54(2022.01) G06V 10/56(2022.01) (56)对比文件 CN 104794710 A,2015.07.2 2 CN 102998664 A,2013.0 3.27 CN 114359727 A,202 2.04.15 US 6631212 B1,20 03.10.07 EP 1107179 A 2,2001.06.13 Hu, Xiangyun 等.Automatic Segmentati on of High -resolution Satellite Imagery by I ntegrati ng Texture, Intensity, and Co lor Features. 《Photogram metric Engi neering & Remote Sensing》 .2005,第71卷(第12期),139 9-1406. 审查员 林浩 (54)发明名称 一种用于水产养殖的水体异常检测方法 (57)摘要 本发明涉及图像处理技术领域， 具体涉及一 种用于水产养殖的水体异常检测方法， 该方法采 集水体图像， 筛选出备选 绿潮块并获取每个备选 绿潮块的绿潮置信度； 提取每个备选绿潮块的纹 理特征组成纹理向量； 对于每两个相邻的备选 绿 潮块， 获取纹理相似度和颜色相似度， 以纹理相 似度和颜色相似度的和作为第一特征距离； 获取 第二特征距离； 获取大目标块与所有相邻块之间 的全局纹理相似性； 依据大目标块的绿潮置信度 和全局纹理相似性获取第二特征距离的空间调 节参数； 获取综合特征距离， 根据综合特征距离 获取分界线的隶属度， 筛选出绿潮轮廓线， 绿潮 轮廓线形成的区域为水体异常区域。 本发明能够 准确提取绿潮区域的边缘轮廓， 提高水体异常区 域的检测精度。 权利要求书2页 说明书8页 附图1页 CN 115100439 B 2022.11.04 CN 115100439 B 1.一种用于水产养殖的水体异常检测方法， 其特 征在于， 该 方法包括以下步骤： 采集水产养殖的水体图像， 对水体图像进行超像素分割， 得到多个超像素块； 通过阈值 分割在超像素块中筛选出备选绿潮块， 并获取每个备选绿潮块的绿潮置信度； 提取每个备 选绿潮块的纹 理特征， 组成纹 理向量； 对于每两个相邻的备选绿潮块， 以绿潮置信度较小的备选绿潮块作为小目标块， 绿潮 置信度较大的备选绿潮块作为大目标块， 根据大目标块和小目标块的纹理向量获取纹理相 似度， 根据大目标块和小目标块的绿潮置信度获取颜色相似度， 以所述纹理相似度和所述 颜色相似度的和作为大目标块和小目标块之间的第一特 征距离； 以除了所述小目标块以外的所有与 大目标块相邻的备选绿潮块作为相邻块， 获取所述 小目标块与每个所述相邻块之间的第一特征距离， 求均值得到第二特征距离； 获取所述大 目标块与所有相 邻块之间的全局纹理相似性； 依据大目标块的绿潮置信度和全局纹理相似 性获取第二特 征距离的空间调节参数； 计算第二特征距离和空间调节参数的乘积， 以该乘积和所述大目标块和小目标块之间 的第一特征距离的和作为大目标块和小目标块之间的综合特征距离， 根据综合特征距离获 取大目标块和小目标块之 间的分界线属于绿潮分 界线的隶属度， 基于隶属度筛选出绿潮轮 廓线， 绿潮轮廓线形成的区域 为水体异常区域。 2.根据权利要求1所述的一种用于水产养殖的水体异常检测方法， 其特征在于， 所述对 水体图像进行超像素分割之前， 还 包括以下步骤： 对采集的所述水体图像进行 预处理， 所述预处 理包括噪声过 滤和图像增强。 3.根据权利要求1所述的一种用于水产养殖的水体异常检测方法， 其特征在于， 所述备 选绿潮块的获取 方法为： 根据每个像素点的三通道值计算出该像素点的黄绿指数， 通过大津法得到最优黄绿指 数作为分割阈值； 计算每个超像素块中所有像素点的平均黄绿指数， 当平均黄绿指数不小 于所述分割阈值时， 对应的超像素块 为备选绿潮块。 4.根据权利要求3所述的一种用于水产养殖的水体异常检测方法， 其特征在于， 所述绿 潮置信度的获取 方法为： 计算平均黄绿指数与分割阈值的第 一差值， 所述备选绿潮块中的最大黄绿指数与分割 阈值的第二差值， 以第一差值和第二差值的比值作为备选绿潮块的所述绿潮置信度。 5.根据权利要求1所述的一种用于水产养殖的水体异常检测方法， 其特征在于， 所述纹 理向量的组成方法为： 获取每个超像素块的灰度共生矩阵， 保存灰度共生矩阵的能量、 熵值、 对比度以及逆差 矩作为纹 理特征， 所有纹 理特征组成超像素块的纹 理向量。 6.根据权利要求1所述的一种用于水产养殖的水体异常检测方法， 其特征在于， 所述纹 理相似度的获取 方法为： 将大目标块和小目标块的纹理向量对应元素相乘再求和作为分子； 将大目标块的纹理 向量与自身对应元素相乘再求和， 将小目标块的纹理向量与自身对应元素相乘再求和， 两 个求和结果相加作为分母， 分子和分母的比值即为大目标块和小目标块的所述纹理相似 度。 7.根据权利要求1所述的一种用于水产养殖的水体异常检测方法， 其特征在于， 所述颜权　利　要　求　书 1/2 页 2 CN 115100439 B 2色相似度的获取 方法为： 获取小目标块的绿潮置信度与大目标块的绿潮置信度的置信度比值， 以该置信度比值 的预设倍数作为所述颜色相似度。 8.根据权利要求1所述的一种用于水产养殖的水体异常检测方法， 其特征在于， 所述全 局纹理相似性的获取 方法为： 获取所述大目标块的轮廓线， 以及每个相邻块与大目标块之间的分界线， 以所述分界 线与所述大目标块的轮廓线的长度比值作为长度比例； 获取所述大目标块与每个相邻块之 间的第一特征距离， 乘上对应的长度比例， 得到相 邻纹理相似度， 所有相 邻纹理相似度的和 即为所述全局纹 理相似性。 9.根据权利要求1所述的一种用于水产养殖的水体异常检测方法， 其特征在于， 所述空 间调节参数的获取 方法为： 以大目标块的绿潮置信度和全局纹理相似性的和作为预设值的负指数， 根据指数函数 结果获取 所述空间调节参数； 所述指数函数 结果与所述空间调节参数 呈负相关 关系。 10.根据权利要求1所述的一种用于水产养殖的水体异常检测方法， 其特征在于， 所述 水体异常区域的获取 方法为： 通过大津法获取隶属阈值， 将大于隶属阈值的隶属度对应的分界线提取出来， 并进行 合并以及 补齐， 得到所述绿潮轮廓线， 以绿潮轮廓线包围的区域作为所述水体异常区域。权　利　要　求　书 2/2 页 3 CN 115100439 B 3